人物Liu
Ming-Yu Liu
NVIDIA研究负责人，专注于计算机视觉与生成式AI研究，Cosmos世界模型项目的核心负责人
核心事实
时间轴 (近 90 天)
10月12日
物理 AI 的碎片化程度远高于语言，可能不会出现少数几个大一统的基础模型，而是若干针对特定领域的开放模型并存。
待验证50%
10月12日
当前物理 AI 的瓶颈集中在数据而非算力：带物理标注的交互数据极其稀缺。
待验证50%
10月3日
只要神经仿真器测出的策略成功率排名与真实世界一致，就能缩小需要真实测试的检查点数量，提升研发速度
待验证50%
10月3日
Liu认为当前世界模型对导航类任务已足够好，真正的挑战在于涉及接触、缓冲与形变的操纵任务
待验证50%
10月3日
Liu将世界模型定义为一组有用工具的集合，并类比为AGI定义至今没有共识
待验证50%
10月3日
Liu认为人形机器人进入家庭后安全性比自动驾驶更为关键，因为机器人会围绕孩子和宠物
待验证50%
10月3日
Liu认为神经仿真器在早期更适合用于策略验证而非直接训练策略
待验证50%
7月17日
对于机械重复消耗时间的任务应交给 AI，对于需要深度理解、塑造判断力、构建核心能力的事情应亲力亲为
已验证75%
全部知识事实 (8)
已验证
对于机械重复消耗时间的任务应交给 AI，对于需要深度理解、塑造判断力、构建核心能力的事情应亲力亲为
75%待验证当前物理 AI 的瓶颈集中在数据而非算力：带物理标注的交互数据极其稀缺。
50%待验证只要神经仿真器测出的策略成功率排名与真实世界一致，就能缩小需要真实测试的检查点数量，提升研发速度
50%待验证Liu认为当前世界模型对导航类任务已足够好，真正的挑战在于涉及接触、缓冲与形变的操纵任务
50%待验证Liu将世界模型定义为一组有用工具的集合，并类比为AGI定义至今没有共识
50%待验证Liu认为人形机器人进入家庭后安全性比自动驾驶更为关键，因为机器人会围绕孩子和宠物
50%待验证Liu认为神经仿真器在早期更适合用于策略验证而非直接训练策略
50%待验证物理 AI 的碎片化程度远高于语言，可能不会出现少数几个大一统的基础模型，而是若干针对特定领域的开放模型并存。
50%